• 한국ITS학회 논문지
• /
• 제22권4호
• /
• pp.78-96
• /
• 2023

도시부 교통정보 수집은 VDS, DSRC, 레이더 등 다양한 시스템에 의해 수집되고 있다. 최근 딥러닝 기술의 발전으로 스마트교차로시스템이 확대 보급되고 있으며 교통량, 속도, 차종 등 다양한 정보수집이 가능하다. 그러나 관련 문헌을 고찰한 결과 지금까지의 성능평가 기준은 딥러닝 영역을 고려하지 않은 RBS기반 평가체계로 '기준값-측정값'의 퍼센트 오차만 고려하고 있어 기존 평가방식으로는 딥러닝 부분의 평가를 수행할 수 없어 새로운 성능평가 방법이 필요하다. 따라서, 본 연구에서는 데이터 비율 및 가중치를 고려하여 Precision과 Recall 등 딥러닝 성능지표를 고려한 오차산정식을 개발하여 개별오차와 구간 오차, 전체오차를 산정하였다. 연구결과, 측정값 1의 오차율은 3.99와 3.54, 측정값 2는 5.34와 5.07로 기존 산정식과 오차율에 차이가 있는 것으로 나타났으며, 반복측정 분석결과 개발 산정식이 우수한 것으로 나타났다.

• 한국간담췌외과학회지
• /
• 제27권2호
• /
• pp.195-200
• /
• 2023

Backgrounds/Aims: We aimed to build a machine learning tool to help predict low-grade intraductal papillary mucinous neoplasms (IPMNs) in order to avoid unnecessary surgical resection. IPMNs are precursors to pancreatic cancer. Surgical resection remains the only recognized treatment for IPMNs yet carries some risks of morbidity and potential mortality. Existing clinical guidelines are imperfect in distinguishing low-risk cysts from high-risk cysts that warrant resection. Methods: We built a linear support vector machine (SVM) learning model using a prospectively maintained surgical database of patients with resected IPMNs. Input variables included 18 demographic, clinical, and imaging characteristics. The outcome variable was the presence of low-grade or high-grade IPMN based on post-operative pathology results. Data were divided into a training/validation set and a testing set at a ratio of 4:1. Receiver operating characteristics analysis was used to assess classification performance. Results: A total of 575 patients with resected IPMNs were identified. Of them, 53.4% had low-grade disease on final pathology. After classifier training and testing, a linear SVM-based model (IPMN-LEARN) was applied on the validation set. It achieved an accuracy of 77.4%, with a positive predictive value of 83%, a specificity of 72%, and a sensitivity of 83% in predicting low-grade disease in patients with IPMN. The model predicted low-grade lesions with an area under the curve of 0.82. Conclusions: A linear SVM learning model can identify low-grade IPMNs with good sensitivity and specificity. It may be used as a complement to existing guidelines to identify patients who could avoid unnecessary surgical resection.

• Computers and Concrete
• /
• 제34권3호
• /
• pp.279-296
• /
• 2024

In this study, ensemble machine learning (ML) models are employed to estimate the hardened properties of Self-Compacting Geopolymer Concrete (SCGC). The input variables affecting model development include the content of the SCGC such as the binder material, the age of the specimen, and the ratio of alkaline solution. On the other hand, the output parameters examined includes compressive strength, flexural strength, and split tensile strength. The ensemble machine learning models are trained and validated using a database comprising 396 records compiled from 132 unique mix trials performed in the laboratory. Diverse machine learning techniques, notably K-nearest neighbours (KNN), Random Forest, and Extreme Gradient Boosting (XGBoost), have been employed to construct the models coupled with Bayesian optimisation (BO) for the purpose of hyperparameter tuning. Furthermore, the application of nested cross-validation has been employed in order to mitigate the risk of overfitting. The findings of this study reveal that the BO-XGBoost hybrid model confirms better predictive accuracy in comparison to other models. The R² values for compressive strength, flexural strength, and split tensile strength are 0.9974, 0.9978, and 0.9937, respectively. Additionally, the BO-XGBoost hybrid model exhibits the lowest RMSE values of 0.8712, 0.0773, and 0.0799 for compressive strength, flexural strength, and split tensile strength, respectively. Furthermore, a SHAP dependency analysis was conducted to ascertain the significance of each parameter. It is observed from this study that GGBS, Flyash, and the age of specimens exhibit a substantial level of influence when predicting the strengths of geopolymers.

• 인지과학
• /
• 제34권1호
• /
• pp.39-66
• /
• 2023

뉴미디어는 사회적 교류의 장을 인터넷으로 옮겨와 대규모 집단이 시공간의 한계를 뛰어넘어 한 곳에서 소통할 수 있게 만들었다. 최근 연구는 인간의 사회적 능력이 소셜 미디어를 통해 경험하는 확장된 집단 스케일을 따라가지 못하는 사례를 보고하기도 한다. 이러한 맥락에서, 본 연구는 인간의 사회적 정보 지각이 인구 집단 스케일의 확장에 영향을 받는지 다수편향 맥락에서 확인하였다. 인터넷 기반 과제를 통해 구성원의 수로 나타낸 집단 크기와 전체에서 특정 집단이 차지하는 집단 비율이 개인에게 지각되고 다수편향적 사회적 정보 활용에 영향을 주는 심리적 과정을 조사하였으며, 전체 집단 스케일의 확장에 각 과정이 영향을 받는지 살펴보았다. 집단 비율은 다수편향에 정적 영향을 주고 있으며, 그 관계는 비율 지각에 의해 부분매개 되었다. 전체 집단 스케일은 집단 비율과 비율 지각의 관계를 조절하지 않았다. 반면, 집단 크기와 다수편향의 상관은 유의하지 않았다. 전체 집단 스케일은 집단 크기 지각을 조절하였다. 전체 집단 스케일이 작은 조건에서 집단 크기와 크기 지각은 양적 상관을 나타냈지만, 전체 집단의 스케일이 확장된 조건에서 지각된 집단 크기는 유의미하게 작아졌고, 두 변수는 상관을 잃었다. 이러한 결과를 통해 집단 크기 지각과 관련된 심리 기제가 전체 집단 스케일의 확장에 제대로 반응하지 못하고 있음을 확인하였다. 나아가 집단 크기 정보를 처리하는 전문화된 심리 기제가 존재할 가능성과 다수편향이 특이적으로 받아들이는 자극의 형태를 진화심리적 관점에서 논하였다.

• International Journal of Internet, Broadcasting and Communication
• /
• 제12권4호
• /
• pp.83-92
• /
• 2020

A recent study to determine the fall is focused on analyzing fall motions using a recurrent neural network (RNN), and uses a deep learning approach to get good results for detecting human poses in 2D from a mono color image. In this paper, we investigated the improved detection method to estimate the position of the head and shoulder key points and the acceleration of position change using the skeletal key points information extracted using PoseNet from the image obtained from the 2D RGB low-cost camera, and to increase the accuracy of the fall judgment. In particular, we propose a fall detection method based on the characteristics of post-fall posture in the fall motion analysis method and on the velocity of human body skeleton key points change as well as the ratio change of body bounding box's width and height. The public data set was used to extract human skeletal features and to train deep learning, GRU, and as a result of an experiment to find a feature extraction method that can achieve high classification accuracy, the proposed method showed a 99.8% success rate in detecting falls more effectively than the conventional primitive skeletal data use method.

• BMB Reports
• /
• 제41권3호
• /
• pp.242-247
• /
• 2008

MSS, a comprising mixture of maesil (Prunus mume Sieb. et Zucc) concentrate, disodium succinate and Span80 (3.6 : 4.6 : 1 ratio) showed a significant improvement of memory when daily administered (460 mg/kg day, p.o.) into the normal rats for 3 weeks. During the spatial learning of 4 days in Morris water maze test, both working memory and short-term working memory index were significantly increased when compared to untreated controls. We investigated a molecular signal transduction mechanism of MSS on the behaviors of spatial learning and memory. MSS treatment increased hippocampal mRNA levels of NR2B and TrkB without changes of NR1, NR2A, ERK1, ERK2 and CREB. However, the protein levels of pERK/ERK and pCREB/CREB were all significantly increased to $1.5{\pm}0.17$ times. These results suggest that the improving effect of spatial memory for MSS is linked to MAPK/ERK signaling pathway that ends up in the phosphorylation of CREB through TrkB and/or NR2B of NMDA receptor.

• 한국콘텐츠학회논문지
• /
• 제2권1호
• /
• pp.7-15
• /
• 2002

본 논문에서는 ICT활용 교육에 적합한 문제 중심 학습을 위한 교육용 컨텐츠 모델을 설계하였다. 모델 설계를 위해 먼저, ICT를 활용한 문제 중심 학습의 교수학습 과정안을 작성하였다. 그리고 문제 중심 학습에서 ICT를 활용해 학생들에게 제공하기 적절한 교육용 컨텐츠의 요건을 파악하고 그 요건에 적절한 모델을 설계하였다. 또한, 설계한 모델을 운영하기에 적절한 시스템의 모델도 설계하여 본 논문에서 작성한 교수학습 과정안의 현장 적용을 보다 쉽게 할 수 있도록 하였다. 문제 중심 학습은 실세계를 반영한 비구조화된 문제를 다루고 학습자 참여 비율이 높아 ICT를 활용할 경우 교수 학습에 효과가 클 것으로 기대된다.

• 한국인터넷방송통신학회논문지
• /
• 제20권3호
• /
• pp.1-7
• /
• 2020

증가하는 사이버공격에 대응하기 위하여 머신러닝을 적용한 자동화된 침입탐지기술이 연구되고 있다. 최근 연구결과에 따르면, 순환형 학습모델을 적용한 침입탐지기술이 높은 탐지성능을 보여주는 것으로 확인되었다. 하지만 단순한 순환형 모델을 적용하는 것은 통신이 중첩된 환경일수록 연관된 통신의 특성을 반영하기 어려워 탐지성능이 저하될 수 있다. 본 논문에서는 이 같은 문제점을 해결하고자 세션관리모듈을 설계하여 LSTM(Long Short-Term Memory) 순환형 모델에 적용하였다. 실험을 위하여 CSE-CIC-IDS 2018 데이터 셋을 사용하였으며, 정상통신비율을 증가시켜 악성통신의 연관성을 낮추었다. 실험결과 통신연관성을 파악하기 힘든 환경에서도 제안하는 모델은 높은 탐지성능을 유지할 수 있음을 확인하였다.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제11권4호
• /
• pp.2020-2037
• /
• 2017

In order to improve the energy efficiency of n-Epidemic routing protocol in opportunistic networks, in which a stable end-to-end forwarding path usually does not exist, a novel adjustment strategy for parameter n is proposed using learning atuomata principle. First, nodes dynamically update the average energy level of current environment while moving around. Second, nodes with lower energy level relative to their neighbors take larger n avoiding energy consumption during message replications and vice versa. Third, nodes will only replicate messages to their neighbors when the number of neighbors reaches or exceeds the threshold n. Thus the number of message transmissions is reduced and energy is conserved accordingly. The simulation results show that, n-Epidemic routing protocol with the proposed adjustment method can efficiently reduce and balance energy consumption. Furthermore, the key metric of delivery ratio is improved compared with the original n-Epidemic routing protocol. Obviously the proposed scheme prolongs the network life time because of the equilibrium of energy consumption among nodes.

• 한국지능시스템학회논문지
• /
• 제11권9호
• /
• pp.849-854
• /
• 2001

Bishop이 제안한 Generative Topographic Mapping(GTM)은 Kohonen이 제안한 자율 학습 신경망인 Self Organizing Maps(SOM)의 확률 버전이다. GTM은 데이터가 생성되는 확률 분포를 잠재 변수, 혹은 은닉 변수를 사용하여 모형화한다. 이것은 SOM에서는 구현될 수 없는 GTM만의 특징이며, 이러한 특징으로 인하여 SOM의 한계들을 극복할 수 있게 된다. 본 논문에서는 이러한 GTM 모형에 베이지안 학습(Bayesian learning)을 결합하여 작은 오분류율을 가지는 분류 알고리즘인 베이지안 GTM(Bayesian GTM)을 제안한다. 이 알고리즘은 기존의 GTM의 빠른 계산 처리 능력과 데이터에 대한 확률 분포, 그리고 베이지안 추론의 정확성을 이용하여 기존의 분류 알고리즘보다 우수한 결과를 얻게 된다. 본 논문에서는 기존의 분류 알고리즘에서 많이 실험하였다. 학습 데이터를 통하여 이를 확인하였다.